机器学习在考古实践中的应用：综述
机器学习
2025-12-18 v5
摘要
近年来，人工智能和机器学习在考古学中的应用显著增加，现已涵盖所有子领域、地理区域和时间段。这些应用的普遍性和成功程度在很大程度上仍未得到检验，因为近期关于考古学中机器学习使用的综述仅关注考古学的特定子领域。我们的综述考察了1997年至2022年间发表的135篇文章的详尽语料库。我们观察到从2019年起出版物数量显著增加。自动结构检测和人工制品分类是所评文章中代表性最强的任务，其次是埋藏学和考古预测建模。从综述来看，与监督模型相比，聚类和无监督方法代表性不足。人工神经网络和集成学习占所用模型总数的三分之二。然而，尽管机器学习模型越来越受欢迎，但它们仍然容易被误解。我们在某些情况下观察到，所使用的机器学习方法的要求和注意事项定义不明确。此外，机器学习应用用于考古目的的目标和需求在某些情况下不明确或表达不佳。为了解决这个问题，我们为考古学家提出了一个工作流程指南，以开发与其研究问题、项目规模和数据相适应的一致且连贯的方法论。与许多其他领域一样，机器学习正迅速成为考古研究和实践中的重要工具，有助于分析大型多变量数据，尽管并非没有局限性。本综述强调了定义明确、报告规范的结构化方法和协作实践对于最大化机器学习方法在考古学中应用潜力的重要性。
引用
@article{arxiv.2501.03840,
title = {Machine learning applications in archaeological practices: a review},
author = {Mathias Bellat and Jordy D. Orellana Figueroa and Jonathan S. Reeves and Ruhollah Taghizadeh-Mehrjardi and Claudio Tennie and Thomas Scholten},
journal= {arXiv preprint arXiv:2501.03840},
year = {2025}
}